CN114254087A - 对话实现方法、装置、电子设备及存储介质 - Google Patents
对话实现方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114254087A CN114254087A CN202111282520.2A CN202111282520A CN114254087A CN 114254087 A CN114254087 A CN 114254087A CN 202111282520 A CN202111282520 A CN 202111282520A CN 114254087 A CN114254087 A CN 114254087A
- Authority
- CN
- China
- Prior art keywords
- question
- answer
- processed
- answers
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 53
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000003058 natural language processing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 210000000744 eyelid Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了对话实现方法、装置、电子设备及存储介质,涉及智能语音以及自然语言处理等人工智能领域,其中的方法可包括:在与第一用户进行对话的过程中,获取第一用户输入的问题;将所述问题作为待处理的问题,根据待处理的问题从知识库中选出M个问答对,M为大于一的正整数,其中,选出的问答对中的问题与待处理的问题相匹配;按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,将排序后处于前N位的回答作为待处理的问题对应的回答,N为正整数。应用本公开所述方案,可提升获取到的回答的准确性等。
Description
技术领域
本公开涉及人工智能技术领域,特别涉及智能语音以及自然语言处理等领域的对话实现方法、装置、电子设备及存储介质。
背景技术
在实际应用中,很多场景下会需要进行用户与客服人员之间的对话,所述客服人员可为真人,也可为智能机器人等。
在用户与客服人员进行对话的过程中,针对用户每次输入的问题,优选地,后台系统可自动地生成该问题对应的回答,并可将生成的回答返回给客服人员,进而由客服人员返回给用户。
目前,通常通过预定的生成规则等来生成问题对应的回答,但这种方式得到的回答的准确性通常较差。
发明内容
本公开提供了对话实现方法、装置、电子设备及存储介质。
一种对话实现方法,包括:
在与第一用户进行对话的过程中,获取所述第一用户输入的问题;
将所述问题作为待处理的问题,根据所述待处理的问题从知识库中选出M个问答对,M为大于一的正整数,其中,选出的问答对中的问题与所述待处理的问题相匹配;
按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,将排序后处于前N位的回答作为所述待处理的问题对应的回答,N为正整数。
一种对话实现装置,包括:第一处理模块、第二处理模块以及第三处理模块;
所述第一处理模块,用于在与第一用户进行对话的过程中,获取所述第一用户输入的问题;
所述第二处理模块,用于将所述问题作为待处理的问题,根据所述待处理的问题从知识库中选出M个问答对,M为大于一的正整数,其中,选出的问答对中的问题与所述待处理的问题相匹配;
所述第三处理模块,用于按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,将排序后处于前N位的回答作为所述待处理的问题对应的回答,N为正整数。
一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行如以上所述的方法。
一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现如以上所述的方法。
上述公开中的一个实施例具有如下优点或有益效果:针对用户输入的问题,可首先从知识库中的问答对中选出多个相匹配的问答对,之后可从选出的问答对中的各回答中进一步选出综合评估结果最优的一个或多个回答作为用户输入的问题对应的回答,通过多次筛选,提升了生成的回答的准确性等。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开所述对话实现方法实施例的流程图;
图2为本公开所述后端与前端网页对话插件的交互方式示意图;
图3为本公开所述客服窗口的示意图;
图4为本公开所述对话实现装置实施例400的组成结构示意图;
图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
另外,应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本公开所述对话实现方法实施例的流程图。如图1所示,包括以下具体实现方式。
在步骤101中,在与第一用户进行对话的过程中,获取第一用户输入的问题。
在步骤102中,将所述问题作为待处理的问题,根据待处理的问题从知识库中选出M个问答对,M为大于一的正整数,其中,选出的问答对中的问题与待处理的问题相匹配。
在步骤103中,按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,将排序后处于前N位的回答作为待处理的问题对应的回答,N为正整数。
可以看出,上述方法实施例所述方案中,针对用户输入的问题,可首先从知识库中的问答对中选出多个相匹配的问答对,之后可从选出的问答对中的各回答中进一步选出综合评估结果最优的一个或多个回答作为用户输入的问题对应的回答,通过多次筛选,提升了生成的回答的准确性等。
在与第一用户进行对话的过程中,针对第一用户每次输入的问题,可分别按照图1所示方式进行处理,对于第一用户输入的其它内容,如“你好”,可直接按照预定的生成规则等生成对应的回答,如回答也可为“你好”。
可将第一用户输入的问题作为待处理的问题,根据待处理的问题从知识库中选出M个问答对,M为大于一的正整数,其中,选出的问答对中的问题与待处理的问题相匹配。M的具体取值可根据实际需要而定。
本公开的一个实施例中,可获取待处理的问题对应的特征信息,并可根据待处理的问题对应的特征信息以及知识库中的各问答对中的问题对应的特征信息,分别确定出待处理的问题与各问答对中的问题之间的相似度,进而可按照对应的相似度由大到小的顺序对各问答对进行排序,选出排序后处于前M位的问答对。
通过上述方式,可准确高效地筛选出所需的M个问答对,从而为后续处理奠定了良好的基础。
本公开的一个实施例中,所述特征信息可包括以下之一或任意组合:主题、语义约束信息、关键字。
如何获取上述特征信息不作限制。比如,在获取待处理的问题对应的特征信息时,可首先对待处理的问题进行对话分析,包括对待处理的问题进行切词等处理,之后可根据切词结果、并可结合本次对话中的历史对话信息等进行问题理解,即确定出待处理的问题对应的主题、语义约束信息和关键字等。
比如,第一用户输入的问题为“请问割双眼皮有什么风险吗?”,对应的主题可为“风险”,语义约束信息可为“双眼皮”,关键字可包括“割”、“双眼皮”和“风险”等。
针对待处理的问题,具体获取哪些特征信息可根据实际需要而定,不限于以上所示。
知识库可为预先构建的,其中可包括多个问答对,每个问答对中可分别包括一个问题以及对应的一个或多个回答。针对每个问答对中的问题,可预先获取其对应的特征信息并进行保存。
本公开的一个实施例中,针对任一问答对,可分别按照以下方式获取待处理的问题与该问答对中的问题之间的相似度:分别获取该问答对中的问题对应的特征信息中的各特征与待处理的问题对应的特征信息中的对应特征之间的相似度,结合获取到的各相似度确定出待处理的问题与该问答对中的问题之间的相似度。
其中,q1表示问答对中的问题,q2表示待处理的问题,sim()表示相似度,f1和f2分别表示问答对中的问题与待处理的问题的一组对应特征,如主题,f'1和f'2表示问答对中的问题与待处理的问题的另一组对应特征,如语义约束信息,其它类推,α和β表示预定的权值系数,具体取值可根据实际需要而定。
在实际计算时,可将上述特征均表示为向量形式,相应地,两个特征之间的相似度即指两个特征的向量表示之间的相似度。
可以看出,上述处理方式中,结合了多种特征来计算问题与问题之间的相似度,从而提升了获取到的相似度的准确性等。
在分别获取到知识库中的各问答对对应的相似度后,可按照对应的相似度由大到小的顺序对各问答对进行排序,并可选出排序后处于前M位的问答对。
之后,可按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,并可将排序后处于前N位的回答作为待处理的问题对应的回答,N为正整数。
比如,选出了10个问答对,每个问答对中分别包括一个问题和对应的3个回答,那么共可得到30个回答,可按照综合评估结果越优排序越靠前的原则,对这30个回答进行排序,并可将排序后处于前N位的回答作为待处理的问题对应的回答,N为正整数,具体取值可根据实际需要而定,比如可为3。
本公开的一个实施例中,可采用最大化边界相关(MMR,Maximal MarginalReleuance)算法对选出的问答对中的各回答进行排序。
MMR算法是一种信息检索中对文档进行排序的方法,目的是为了最大程度多样化答案,MMR算法将排序任务看成是不断地从未排序的对象集中选择一个最好的放入到已排序的对象之后。MMR算法通常用来排序文档,但本公开所述方案中,可利用MMR算法来对选出的问答对中的各回答进行排序。
相应地,本公开的一个实施例中,可利用选出的问答对中的各回答组成第一集合,并可构建第一队列,初始为空,进而可依次执行P次第一处理,P的取值等于第一集合中包括的回答数,所述第一处理可包括:结合所在的问答对对应的相似度以及相对于第一队列中的回答的新颖度,从第一集合中选出综合评估结果最优的回答,加入到第一队列的末尾,并将综合评估结果最优的回答从第一集合中删除,当第一集合为空时,将第一队列中的各回答的排序作为所需的排序。
MMR算法在排序时不仅会考虑相似度,还会考虑新颖度,即对两者进行权衡,这种方式对于回答的反馈具有重要的意义,通常来说,相似的问题会对应相似的回答,通过MMR算法,可避免返回多个相似的回答,提升了返回的回答的多样性等。
具体地,可按照以下方式从第一集合中选出综合评估结果最优的回答:
其中,Ai表示第一队列,a表示第一集合中的回答,Rel(a)表示回答a所在的问答对对应的相似度,Nov(a,Ai)表示回答a相对于第一队列中的回答的新颖度,ai+1表示从第一集合中选出的综合评估结果最优的回答,δ表示预定的权值系数,具体取值可根据实际需要而定。
新颖度的计算可采用最大化差异度量方式,如下所示:
其中,a'表示第一队列中的回答,sim(a',a)表示回答a与回答a'之间的相似度,如可用余弦距离来衡量所述相似度。
本公开的一个实施例中,当获取到第二用户的目标生成指令时,还可综合本次对话的各历史对话信息,生成本次对话对应的综合回答。
即可对各历史对话信息进行汇总,并可对汇总结果进行分析等,从而生成第一用户所提出的各问题对应的综合回答,进而使得第一用户可以清晰明确地查看到所需的各种信息,无需翻看对话记录进行查找和分析,提升了用户的信息获取效率及信息获取效果等。
第一用户和第二用户可为不同的用户,比如,第二用户可为客服人员,第一用户可为与客服人员进行对话的用户。
第二用户何时发出目标生成指令不作限制,比如,可在对话过程中的任一时刻发出该指令,但通常来说,对话时间越长,即获取到的历史对话信息越丰富,生成的综合回答的效果越好。
以下结合具体场景,对本公开所述方案进行进一步说明。
假设第二用户为真人,如真实的客服人员,第一用户与客服人员进行对话,咨询关于割双眼皮的相关内容。
图1所示实施例的执行主体可为后台系统,即后端,可结合前端网页对话插件完成整个对话过程。
图2为本公开所述后端与前端网页对话插件的交互方式示意图。如图2所示,前端网页对话插件主要用于实现客服人员与第一用户之间的对话、对话信息管理、将对话信息或目标生成指令发送给后端以及获取后端返回的回答或综合回答等。
前端网页对话插件以插件形式实现,可植入各类网站。另外,前端网页对话插件作为一个可植入式网页插件系统,主要使用超文本预处理器(PHP,Hypertext Preprocessor)结合JS产生动态的对话效果,JS即指JavaScript,是一种常用的编程语言。
前端网页对话插件可呈现两个对话窗口,即客服窗口和客户(第一用户)窗口。
客服窗口可获取并展示第一用户与客服人员的对话信息,并可支持客服人员进行文字、其它字符和图片等的输入,以及可将第一用户输入的问题发送给后端,并获取后端返回的问题对应的回答等。客户窗口可获取并展示第一用户与客服人员的对话信息,并可支持第一用户进行文字、其它字符和图片等的输入等。
图3为本公开所述客服窗口的示意图。如图3所示,假设针对当前的问题,客服人员点击“当前生成”按钮后、后端返回了3个回答,分别为图3中所示的回答一、回答二和回答三,客服人员可直接选中这3个回答中的某一回答,并点击该回答后的“发送”按钮,从而将该回答返回给第一用户,或者,客服人员还可选中这3个回答中的某一回答,并可对该回答进行人工编辑优化,进而可点击该回答后的“发送”按钮,从而将该回答返回给第一用户,或者,若客服人员觉得这3个回答均不理想,也可自己人工编辑生成当前问题对应的回答,返回给第一用户。
如图3所示,客服人员还可通过点击“目标生成”按钮来发出目标生成指令,相应地,可获取后端返回的综合回答,并可进行展示及返回给第一用户等,同样地,如果需要,客服人员也可对综合回答进行人工编辑优化。
比如,对话过程中,第一用户分别询问了割双眼皮的风险、割双眼皮通常的价格以及割双眼皮后的注意事项等问题,那么综合回答中可包括针对上述各问题的回答信息,并可以内容清晰、文字表述流畅的方式呈现出来。
后端可通过多线程技术监听对应的端口,与前端网页对话插件进行通信,如获取第一用户输入的问题及目标生成指令,并生成和返回第一用户输入的问题对应的回答及综合回答等。
需要说明的是,对于前述的方法实施例,为了简单描述,将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图4为本公开所述对话实现装置实施例400的组成结构示意图。如图4所示,包括:第一处理模块401、第二处理模块402以及第三处理模块403。
第一处理模块401,用于在与第一用户进行对话的过程中,获取第一用户输入的问题。
第二处理模块402,用于将所述问题作为待处理的问题,根据待处理的问题从知识库中选出M个问答对,M为大于一的正整数,其中,选出的问答对中的问题与待处理的问题相匹配。
第三处理模块403,用于按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,将排序后处于前N位的回答作为待处理的问题对应的回答,N为正整数。
本公开的一个实施例中,第二处理模块402可获取待处理的问题对应的特征信息,并可根据待处理的问题对应的特征信息以及知识库中的各问答对中的问题对应的特征信息,分别确定出待处理的问题与各问答对中的问题之间的相似度,进而可按照对应的相似度由大到小的顺序对各问答对进行排序,选出排序后处于前M位的问答对。
本公开的一个实施例中,所述特征信息可包括以下之一或任意组合:主题、语义约束信息、关键字。
如何获取上述特征信息不作限制。比如,在获取待处理的问题对应的特征信息时,可首先对待处理的问题进行对话分析,包括对待处理的问题进行切词等处理,之后可根据切词结果、并可结合本次对话中的历史对话信息等进行问题理解,即确定出待处理的问题对应的主题、语义约束信息和关键字等。
针对待处理的问题,具体获取哪些特征信息可根据实际需要而定,不限于以上所示。
知识库可为预先构建的,其中可包括多个问答对,每个问答对中可分别包括一个问题以及对应的一个或多个回答。针对每个问答对中的问题,可预先获取其对应的特征信息并进行保存。
本公开的一个实施例中,针对任一问答对,第二处理模块402可分别按照以下方式获取待处理的问题与该问答对中的问题之间的相似度:分别获取该问答对中的问题对应的特征信息中的各特征与待处理的问题对应的特征信息中的对应特征之间的相似度,结合获取到的各相似度确定出待处理的问题与该问答对中的问题之间的相似度。
在分别获取到知识库中的各问答对对应的相似度后,第二处理模块402可按照对应的相似度由大到小的顺序对各问答对进行排序,并可选出排序后处于前M位的问答对。
之后,第三处理模块403可按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,并可将排序后处于前N位的回答作为待处理的问题对应的回答,N为正整数。
本公开的一个实施例中,第三处理模块403可采用MMR算法对选出的问答对中的各回答进行排序。
具体地,本公开的一个实施例中,第三处理模块403可利用选出的问答对中的各回答组成第一集合,并可构建第一队列,初始为空,进而可依次执行P次第一处理,P的取值等于第一集合中包括的回答数,所述第一处理可包括:结合所在的问答对对应的相似度以及相对于第一队列中的回答的新颖度,从第一集合中选出综合评估结果最优的回答,加入到第一队列的末尾,并将综合评估结果最优的回答从第一集合中删除,当第一集合为空时,将第一队列中的各回答的排序作为所需的排序。
本公开的一个实施例中,第三处理模块403还可在获取到第二用户的目标生成指令时,综合本次对话的各历史对话信息,生成本次对话对应的综合回答。
即可对各历史对话信息进行汇总,并可对汇总结果进行分析等,从而生成第一用户所提出的各问题对应的综合回答,进而使得第一用户可以清晰明确地查看到所需的各种信息。
图4所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明,不再赘述。
总之,采用本公开装置实施例所述方案,针对用户输入的问题,可首先从知识库中的问答对中选出多个相匹配的问答对,之后可从选出的问答对中的各回答中进一步选出综合评估结果最优的一个或多个回答作为用户输入的问题对应的回答,通过多次筛选,提升了生成的回答的准确性,而且,通过生成并返回综合回答,提升了用户的信息获取效率及信息获取效果等。
本公开所述方案可应用于人工智能领域,特别涉及智能语音以及自然语言处理等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术,人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术,人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
本公开所述实施例中的对话并不是针对某一特定用户的对话,并不能反映出某一特定用户的个人信息,另外,本公开所述方法的执行主体可以通过各种公开、合法合规的方式获取对话信息,如经过了用户的授权从用户处获取等。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如本公开所述的方法。例如,在一些实施例中,本公开所述的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行本公开所述的方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开所述的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种对话实现方法,包括:
在与第一用户进行对话的过程中,获取所述第一用户输入的问题;
将所述问题作为待处理的问题,根据所述待处理的问题从知识库中选出M个问答对,M为大于一的正整数,其中,选出的问答对中的问题与所述待处理的问题相匹配;
按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,将排序后处于前N位的回答作为所述待处理的问题对应的回答,N为正整数。
2.根据权利要求1所述的方法,其中,所述根据所述待处理的问题从知识库中选出M个问答对包括:
获取所述待处理的问题对应的特征信息;
根据所述待处理的问题对应的特征信息以及所述知识库中的各问答对中的问题对应的特征信息,分别确定出所述待处理的问题与各问答对中的问题之间的相似度;
按照对应的相似度由大到小的顺序对各问答对进行排序,选出排序后处于前M位的问答对。
3.根据权利要求2所述的方法,其中,所述分别确定出所述待处理的问题与所述知识库中的各问答对中的问题之间的相似度包括:
针对任一问答对,分别进行以下处理:
分别获取所述问答对中的问题对应的特征信息中的各特征与所述待处理的问题对应的特征信息中的对应特征之间的相似度;
结合获取到的各相似度确定出所述待处理的问题与所述问答对中的问题之间的相似度。
4.根据权利要求2所述的方法,其中,所述特征信息包括以下之一或任意组合:主题、语义约束信息、关键字。
5.根据权利要求2所述的方法,其中,所述按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序包括:
采用最大化边界相关算法对选出的问答对中的各回答进行排序。
6.根据权利要求5所述的方法,其中,所述采用最大化边界相关算法对选出的问答对中的各回答进行排序包括:
利用选出的问答对中的各回答组成第一集合;
构建第一队列,初始为空,并依次执行P次第一处理,P的取值等于所述第一集合中包括的回答数,所述第一处理包括:结合所在的问答对对应的相似度以及相对于所述第一队列中的回答的新颖度,从所述第一集合中选出综合评估结果最优的回答,加入到所述第一队列的末尾,并将所述综合评估结果最优的回答从所述第一集合中删除;
当所述第一集合为空时,将所述第一队列中的各回答的排序作为所需的排序。
7.根据权利要求1~6中任一项所述的方法,还包括:
当获取到第二用户的目标生成指令时,综合本次对话的各历史对话信息,生成本次对话对应的综合回答。
8.一种对话实现装置,包括:第一处理模块、第二处理模块以及第三处理模块;
所述第一处理模块,用于在与第一用户进行对话的过程中,获取所述第一用户输入的问题;
所述第二处理模块,用于将所述问题作为待处理的问题,根据所述待处理的问题从知识库中选出M个问答对,M为大于一的正整数,其中,选出的问答对中的问题与所述待处理的问题相匹配;
所述第三处理模块,用于按照综合评估结果越优排序越靠前的原则,对选出的问答对中的各回答进行排序,将排序后处于前N位的回答作为所述待处理的问题对应的回答,N为正整数。
9.根据权利要求8所述的装置,其中,
所述第二处理模块获取所述待处理的问题对应的特征信息,根据所述待处理的问题对应的特征信息以及所述知识库中的各问答对中的问题对应的特征信息,分别确定出所述待处理的问题与各问答对中的问题之间的相似度,按照对应的相似度由大到小的顺序对各问答对进行排序,选出排序后处于前M位的问答对。
10.根据权利要求9所述的装置,其中,
所述第二处理模块针对任一问答对,分别进行以下处理:分别获取所述问答对中的问题对应的特征信息中的各特征与所述待处理的问题对应的特征信息中的对应特征之间的相似度,结合获取到的各相似度确定出所述待处理的问题与所述问答对中的问题之间的相似度。
11.根据权利要求9所述的装置,其中,所述特征信息包括以下之一或任意组合:主题、语义约束信息、关键字。
12.根据权利要求9所述的装置,其中,
所述第三处理模块采用最大化边界相关算法对选出的问答对中的各回答进行排序。
13.根据权利要求12所述的装置,其中,
所述第三处理模块利用选出的问答对中的各回答组成第一集合,构建第一队列,初始为空,并依次执行P次第一处理,P的取值等于所述第一集合中包括的回答数,所述第一处理包括:结合所在的问答对对应的相似度以及相对于所述第一队列中的回答的新颖度,从所述第一集合中选出综合评估结果最优的回答,加入到所述第一队列的末尾,并将所述综合评估结果最优的回答从所述第一集合中删除,当所述第一集合为空时,将所述第一队列中的各回答的排序作为所需的排序。
14.根据权利要求8~13中任一项所述的装置,其中,
所述第三处理模块进一步用于,当获取到第二用户的目标生成指令时,综合本次对话的各历史对话信息,生成本次对话对应的综合回答。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111282520.2A CN114254087A (zh) | 2021-11-01 | 2021-11-01 | 对话实现方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111282520.2A CN114254087A (zh) | 2021-11-01 | 2021-11-01 | 对话实现方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254087A true CN114254087A (zh) | 2022-03-29 |
Family
ID=80792298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111282520.2A Pending CN114254087A (zh) | 2021-11-01 | 2021-11-01 | 对话实现方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254087A (zh) |
-
2021
- 2021-11-01 CN CN202111282520.2A patent/CN114254087A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108665148B (zh) | 一种电子资源质量评价方法、装置和存储介质 | |
US20220245465A1 (en) | Picture searching method and apparatus, electronic device and computer readable storage medium | |
CN107862058B (zh) | 用于生成信息的方法和装置 | |
CN112084150B (zh) | 模型训练、数据检索方法,装置,设备以及存储介质 | |
CN112784589A (zh) | 一种训练样本的生成方法、装置及电子设备 | |
CN115481227A (zh) | 人机交互对话方法、装置以及设备 | |
CN112784591A (zh) | 数据的处理方法、装置、电子设备和存储介质 | |
CN116644148A (zh) | 关键词识别方法、装置、电子设备及存储介质 | |
CN114861059A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN112528146B (zh) | 内容资源推荐方法、装置、电子设备及存储介质 | |
CN115248890A (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN112860995A (zh) | 交互方法、装置、客户端、服务器以及存储介质 | |
CN116090438A (zh) | 主题处理方法、装置、电子设备及存储介质 | |
CN113792230B (zh) | 服务链接方法、装置、电子设备和存储介质 | |
CN114254087A (zh) | 对话实现方法、装置、电子设备及存储介质 | |
CN113033179B (zh) | 知识获取方法、装置、电子设备及可读存储介质 | |
CN115048523A (zh) | 文本分类方法、装置、设备以及存储介质 | |
CN109002498A (zh) | 人机对话方法、装置、设备及存储介质 | |
CN114329206A (zh) | 标题生成方法和装置、电子设备、计算机可读介质 | |
CN114490965A (zh) | 问题处理方法、装置、电子设备和存储介质 | |
CN113408632A (zh) | 提高图像分类准确性的方法、装置、电子设备及存储介质 | |
CN113407579A (zh) | 群组查询方法、装置、电子设备及可读存储介质 | |
CN112818167A (zh) | 实体检索方法、装置、电子设备及计算机可读存储介质 | |
CN112528644A (zh) | 实体挂载的方法、装置、设备以及存储介质 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |